【摘 要】
：
极限学习机自编码器作为无监督降维方法,通过重构输入数据来提取原始样本特征,具有学习速度快、泛化性能高等优势.但经典极限学习机自编码器表示能力有限,使得重构输出和原始样本之间的残差不可避免.因此借鉴残差补偿思想,提出基于残差补偿的极限学习机自编码器,通过不断对重构残差补偿式学习来改善ELM-AE的表示能力.在6个公开数据集上进行K-means聚类实验,结果表明基于残差补偿的极限学习机自编码器(RCELM-AE)能够有效提高聚类准确率.
【机 构】
：
福州大学数学与统计学院,福建 福州 350108
论文部分内容阅读
极限学习机自编码器作为无监督降维方法,通过重构输入数据来提取原始样本特征,具有学习速度快、泛化性能高等优势.但经典极限学习机自编码器表示能力有限,使得重构输出和原始样本之间的残差不可避免.因此借鉴残差补偿思想,提出基于残差补偿的极限学习机自编码器,通过不断对重构残差补偿式学习来改善ELM-AE的表示能力.在6个公开数据集上进行K-means聚类实验,结果表明基于残差补偿的极限学习机自编码器(RCELM-AE)能够有效提高聚类准确率.
其他文献
本文利用多巴胺(DA)作为模板,NaBH4作为还原剂,合成制备了水溶性的银纳米簇(AgNCs).研究结果表明,乙醇溶剂对Ag NCs的荧光有显著的增强作用,因此用乙醇为溶剂代替水合成发光效率高的DA保护的Ag NCs(DA@Ag NCs),此纳米簇对维生素B12 (VB12)具有特异性识别能力.分别研究了乙醇和VB12引发的DA@Ag NCs的荧光增强和猝灭机理,建立了VB12的荧光检测新方法,其线性范围为5～80 μmoL.该荧光探针对VB12具有好的灵敏度和选择性,在VB12检测中具有广阔的应用前景.
无酶型葡萄糖传感器因其稳定性高、检出限低等优点,引起了研究者广泛的关注.众多结构特殊、性能优良的纳米材料为构建新型无酶葡萄糖电化学传感器提供了新的思路.纳米金属氧化物具有成本低、合成可控、生物相容性好、化学稳定性好、催化活性高和葡萄糖吸附能力强等突出优点,被广泛用于无酶葡萄糖传感器的研究.本文介绍了近年来不同纳米金属氧化物(氧化镍、氧化铜、氧化锌和氧化钴等)电化学无酶型葡萄糖传感器的研究进展,并进行了简要的展望.
本文建立了高效液相色谱-电感耦合等离子体质谱(HPLC-ICP-MS)联用技术测定谷类食品中硒代胱氨酸(SeCys2)、亚硒酸根(Se(Ⅳ))、硒代蛋氨酸(SeMet)和硒酸根(Se(Ⅵ))4种硒形态的方法.采用Hamilton PRP-X100阴离子交换柱,在流动相为40 mmol/L (NH4)2 HPO4,pH=6.0条件下,16 min内可以完全分离以上4种硒形态.在1～200 μg/L范围内,各硒形态线性关系良好,相关系数r均＞0.999;SeCys2、Se(Ⅳ)、SeMet、Se(Ⅵ)的方法检
建立了浊点萃取技术结合超高效液相色谱-串联质谱法(UPLC-MS/MS),同时测定还亮草中5种生物碱含量的分析方法.采用单因素实验考察了浊点萃取中各影响因素对还亮草中5种生物碱萃取率的影响,确定最佳萃取条件为:4％的Trion X-114,NaCl的用量为0.4g,溶液pH值为8,平衡温度55℃,平衡时间25 min.以乙腈-0.1％三乙胺为流动相进行UPL&MS/MS分析,5种生物碱之间具有良好的分离度,且各成分在一定质量浓度范围内具有良好的线性关系.方法 的精密度(RSD)、重复性及加标回收率的RSD
借鉴基于正则回归的无监督并行正交基聚类特征选择法和最大互信息系数,提出正交基低冗余无监督特征选择法.该方法在正交基下选择具有判别能力的特征,可用最大互信息系数矩阵选择低冗余性的特征子集.4个图像数据集上的实验结果表明:该方法选择的特征子集可以提高聚类准确率.
疏水性长链烷基键合硅胶是常用的反相色谱固定相,其中的酸性硅羟基易导致碱性化合物严重拖尾甚至发生不可逆吸附,降低分离度与灵敏度.极性共聚合作为一种改良的极性封端方法,可以有效屏蔽酸性硅羟基.为探讨极性共聚合在碱性物质分离分析方面的优势,详细研究了反应条件对硅羟基掩蔽效果的影响.以硅胶为基质制备了一系列由疏水性C18和极性二醇基共同修饰的极性共聚合固定相,并进行表征及色谱评价.结果 显示,相比于传统键合方法,极性共聚合法不仅可以有效抑制碱性物质的拖尾,还可提高烷基键合硅胶的硅烷键合率、改善长链烷基硅胶的疏水性
银纳米粒子(Ag NPs)以其良好的稳定性和独特的生物亲和性,在许多领域显示出潜在的应用价值.近年来“绿色化学”已应用到(Ag NPs)的制备中,绿色合成法制备过程简单、产物无需后处理、绿色环保,受到广大研究者的青睐.本文主要综述了(Ag NPs)的绿色合成方法,以及在生物医学中的应用,并对其发展前景及面临的挑战进行了总结与展望.
以农作物废料麦麸、木屑、玉米芯作为碳源,采用水热法制备碳微球(CMS),所合成的CMS均具有良好的光稳定性、水溶性.其量子产率分别为19.84％、18.83％、16.9％.利用扫描电镜和傅立叶变换红外光谱对其进行表征,结果表明CMS为不规则球状颗粒,平均粒径分别为3.0、2.5、1.4 μm;其表面均有-NH2和--OH等亲水性基团.研究发现,左氧氟沙星(LVFX)对CMS有明显荧光增强效应,从而建立了一种快速、高效、绿色检测LVFX含量的新方法.本方法制得的CMS的荧光增强程度均与LVFX的浓度呈良好的
利用气相色谱-串联质谱仪的选择反应监测(SRM)模式,对卤化丁基橡胶塞、橡胶活塞、聚异戊二烯橡胶护帽、硅橡胶医疗器械等多种医用橡胶弹性体中的N-亚硝胺类物质进行检测.样品以超声极限浸提法提取,浸取液采用亚硝胺专用净化管净化.建立的方法可以实现12种N-亚硝胺及1种N-亚硝胺内标的良好分离.12种N-亚硝胺类物质在0.6～200.0 ng/mL范围内线性良好,线性相关系数在0.9993～0.9999之间,检出限范围为0.08～4.0 ng/g,定量限范围为0.4～20.0ng/g.精密度为1.45％～7.2
为解决肺CT影像中动、静脉血管的自动分离、精确提取问题,提出一种结合血管拓扑与连接非局部卷积神经网络和图卷积网络(Non-local CNN-GCN)的肺动静脉自动分离方法.首先,使用尺度空间粒子采样方法将血管树表示为一组中心线体素粒子;然后,根据粒子体素及其相邻体素构造拓扑图,并从拓扑图中提取只包含动脉或静脉分支的拓扑子图;最后,基于拓扑图训练Non-local CNN-GCN分类器,并利用拓扑子图来改进分类结果.在16例CT影像数据上进行训练和测试,结果显示,本方法能有效去除动静脉黏连点,分类平均准确